基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
该文将遗传算法升到对神经网络权重的优化,不必对B-P网络的参数进行调试,降低了其学习过程的计算量,也避免原算法陷入局部最优的可能性.得到参数影响遗传优化效果的规律,而且遗传算法在本问题中具有很强的鲁棒性.
推荐文章
人工神经网络与遗传算法结合的研究
人工神经网络
遗传算法(GA)
自适应遗传算法(AGA)
遗传算法优化的BP神经网络税收模型
遗传算法
神经网络
税收模型
基于改进遗传算法的神经网络集成模型
遗传算法
神经网络集成
自适应交叉概率
自适应变异概率
基于遗传算法优化的BP神经网络研究应用
人工神经网络
BP神经网络
遗传算法
GA?BP神经网络
优化方法
搜索能力
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 遗传算法与神经网络模型的结合
来源期刊 微型电脑应用 学科 工学
关键词 遗传算法 人工神经网络 鲁棒性 优化 结合
年,卷(期) 1998,(1) 所属期刊栏目
研究方向 页码范围 29-32
页数 4页 分类号 TP18
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1998(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
遗传算法
人工神经网络
鲁棒性
优化
结合
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微型电脑应用
月刊
1007-757X
31-1634/TP
16开
上海市华山路1954号上海交通大学铸锻楼314室
4-506
1984
chi
出版文献量(篇)
6963
总下载数(次)
20
总被引数(次)
28091
论文1v1指导